1012 artigos
A bioinformática une biologia e computação para desvendar os mistérios da vida através de dados. Nesta área, pesquisadores transformam sequências genéticas complexas em informações compreensíveis, permitindo descobertas rápidas sobre doenças, evolução e tratamentos personalizados sem depender apenas de laboratórios físicos.
No Gist.Science, processamos diariamente cada novo pré-publicação na categoria de bioinformática enviada pelo bioRxiv. Nosso compromisso é tornar esse conhecimento acessível, oferecendo tanto resumos em linguagem simples para o público geral quanto análises técnicas detalhadas para especialistas, garantindo que ninguém fique de fora das últimas inovações científicas.
Abaixo, você encontrará as últimas pesquisas publicadas nesta área, organizadas para facilitar sua leitura e compreensão dos avanços recentes.
Os autores desenvolveram um novo modelo matemático que integra dados de bioensaios de dose de intensidade para quantificar a heterogeneidade da resistência a inseticidas em populações de mosquitos na África, permitindo prever com maior precisão a eficácia das redes mosquiteiras e o impacto na saúde pública.
Este trabalho apresenta um método de aprendizado profundo baseado em redes neurais convolucionais (CNN) que, utilizando sequências do genoma humano GRCh38 e vetores TF-IDF, alcança desempenho de ponta na identificação precisa de genes e pseudogenes associados a distúrbios genéticos.
Este estudo avalia rigorosamente sete metodologias de ponta para a remoção de RNA ambiental em dados de sequenciamento de RNA de células e núcleos únicos, concluindo que, embora não exista um método superior universal, o CellBender, o DecontX e o SoupX apresentam desempenho geralmente robusto.
Os autores desenvolveram um servidor DGIdb MCP que permite que modelos de linguagem grandes acessem informações atualizadas sobre interações droga-gene através da API do DGIdb, superando a necessidade de os usuários traduzirem perguntas em linguagem natural para padrões de consulta estruturados.
Este estudo apresenta autoencoders adaptativos com priores de Processo de Dirichlet para aprendizado de representação de células únicas, demonstrando que, embora essa abordagem sacrifique a recuperação de rótulos, ela melhora significativamente a geometria do espaço latente e a fidelidade de visualização, sendo particularmente vantajosa para tarefas de análise de trajetória e programas biológicos.
O artigo apresenta o Topic-FM, uma família de VAEs de tópicos neurais que utiliza uma prioridade Dirichlet log-normal e um campo de fluxo de transporte ótimo condicional para gerar espaços latentes no simplex que oferecem programas gênicos interpretáveis e melhoram significativamente a precisão de agrupamento e classificação em dados de transcriptômica de células únicas.
Este estudo identificou assinaturas metabólicas no soro, incluindo carnitinas, compostos derivados da dieta e metabólitos de fármacos, que servem como marcadores preditivos e mecanísticos da resiliência cognitiva em uma coorte de envelhecimento acompanhada por 28 anos.
Este estudo apresenta um framework de aprendizado de máquina que demonstra que a localização subcelular é um determinante crucial para a detectabilidade de proteínas em cânceres, revelando uma discordância sistemática entre RNA e proteína que limita a precisão da interpretação baseada apenas em transcritos.
O artigo apresenta o CROWN, um novo conjunto de dados de 153.005 complexos proteína-ligante curado e pronto para aprendizado de máquina, que resolve o dilema entre cobertura e qualidade ao aplicar um pipeline automatizado com minimização de energia restrita ao banco de dados PLInder, oferecendo uma diversidade quatro vezes maior que conjuntos existentes como PDBBind e HiQBind, sem depender de afinidades de ligação experimentais.
Este trabalho apresenta o "Claw4Science", um conjunto de dados curado e uma plataforma pública que unificam e analisam o ecossistema fragmentado de agentes científicos OpenClaw, oferecendo uma base para o desenvolvimento futuro de infraestrutura padronizada e benchmarks na computação científica.